[发明专利]一种梨树叶片上梨锈病斑的识别方法

说明书

技术领域

本发明涉及一种植物病害的识别方法，具体涉及一种梨树叶片上梨锈病斑的识别方法。

背景技术

梨锈病又称赤星病，主要危害植物的叶片、新梢和幼果，梨锈病除危害梨树外，还能危害山楂、棠梨和贴梗海棠等。梨锈病的病原为梨胶锈菌，属担子菌亚门胶锈菌属，性孢子器呈葫芦形，埋生于表皮下。梨锈病病菌有转主寄生的特性，必须在转主寄主如桧柏、龙柏、欧洲刺柏等树木上越冬，才能完成其生活史。若梨园周围方圆5千米范围内没有桧柏、龙柏等转主寄主，梨锈病则一般不能发生。在有桧柏、龙柏等树木存在的情况下，如在桧柏、龙柏等转主寄主树上的越冬病菌基数大，初侵染源充足，梨锈病发生就严重，反之，则发病较轻。

当叶片受到梨锈病的危害时，叶片正面会形成橙黄色圆形病斑，并密生橙黄色针头大的小点，即性孢子器（也称为锈点）。一般根据梨锈病斑的形态特征即可判别叶片是否感染梨锈病，但是当植物受到其他类型的胁迫时，可能会导致叶绿素的流失而产生淡黄色的斑点，因此对于通过形态特征来识别梨锈病斑产生一定的干扰，会导致在梨锈病斑的识别过程中错误的将叶绿素流失而产生的斑点识别为梨锈病斑，最终影响对梨锈病斑的识别。

发明内容

本发明提供了一种梨树叶片上梨锈病斑的识别方法，以解决传统方法通过肉眼观察易受到外界干扰的问题。

一种梨树叶片上梨锈病斑的识别方法，包括以下步骤：

（1）取梨树叶片，采集梨树叶片在550nm、565nm、575nm、623nm和655nm处的单波段图像；

（2）对梨树叶片在550nm、575nm、655nm处的单波段图像进行一阶导数变换，并作为三个特征值输入经训练的高斯过程分类模型，提取得到病斑图像；

（3）对梨树叶片在565nm、623nm处的单波段图像作差分运算并对结果图像二值化，提取得到锈点图像；

（4）将病斑图像和锈点图像重叠合并，如果单个病斑和单个锈点合并形成新的连通区域，则该病斑为梨锈病斑。

所述单波段图像是指单波段光谱图像，可以是吸收光谱图像，也可以是反射光谱图像，对最终识别结果没有影响，无特殊说明本发明采集的是吸收光谱图像。

本发明所述的锈点是指梨锈病斑中心橙黄色针头大的小点，性孢子器，它也是梨锈病斑的一部分。

本发明比较病斑和正常叶片的一阶导数光谱曲线，发现病斑和正常叶片在550nm、575nm、655nm处的一阶导数光谱值差异明显，因此将梨树叶片在该三处波长的一阶导数光谱图像输入高斯过程分类模型，在图像上可以将病斑像素和正常叶片像素区分开，从而提取得到病斑像素。

一阶导数变换的过程如下：

A(λ)=ln^R(λ)

D(λ)=[A(λ)-A(λ+ω)]/ω

其中，λ表示波长的位置，R(λ)表示该像素在波长λ处的光谱值，D(λ)表示该像素在在波长λ处的一阶导数光谱值，ω表示微分窗口尺度。

ω的大小对信息提取的有效性起到至关重要的作用，选取较小的微分窗口尺度能够提供精细的光谱形态变化信息，但同时也会放大光谱中的高频噪声；选取较大的微分窗口尺度，对曲线有一定的平滑去噪功能，但微分窗口尺度过大会将光谱曲线上的拐点和极值点平滑，丢失一定的光谱形态信息，尤其是凹凸峰所携带的重要信息，不利于病斑像素和正常叶片像素的区分。

所述微分窗口尺度优选为50nm，因此按照上述公式，为了获得梨树叶片在550nm、575nm、655nm的一阶导数图像，还需要采集梨树叶片600nm、625nm、705nm的单波段图像。

高斯过程分类模型是基于支持向量回归（SVR）和最大空间聚类（MMC）的半监督分类方法，该算法简单且易于实现，利用该算法对像素进行分类，需要先对模型进行训练，具体为：

从梨树叶片的病斑区域以及正常叶片区域各选取若干点，获得这些点在550nm、575nm和655nm的一阶导数光谱值，输入高斯过程分类模型，并且病斑点的输出值为1，正常叶片点的输出值为2。如上所述，锈点是梨锈病斑的一部分，因此在选取病斑点时，并不考虑该病斑是否是梨锈病斑或者选择点是否在锈点区域。

因为通过高斯分类模型对病斑像素和正常叶片像素进行分类，由于光线反射差异，部分锈点像素有可能会被识别为正常叶片像素，因此形成的病斑中心可能会出现空心区域。

由于梨树叶片上的病斑并不是全部由梨锈病造成的，可能是由其它胁迫因素造成的叶绿素流失，因此还需要在这些病斑中找出那些包含锈点的病斑。